基于奇異譜分析和極限學習機的風速多步預測

董朕，殷豪，

(1.廣東電網有限責任公司肇慶供電局，廣東 肇慶 526000；2.廣東工業大學自動化學院，廣東 廣州 510006)

風能作為一種可再生的環保能源，在世界能源結構中發揮著越來越重要的作用。隨著整個能源網絡中風能比例的增加，準確的風速預測結果對于管理人員日常配電和降低儲備能力起著關鍵作用。為保護風電不受破壞，風速的準確預報結果也是必不可少的[1]，然而，因非平穩和非線性波動，風速被認為是最難預測的天氣參數之一[2]。

近幾十年來，風速預報方法已經有很多種，這些方法可以分為4類：(a)物理模型；(b)統計模型；(c)空間相關模型；(d)人工智能模型?；谖锢韰?如地形，溫度和壓力)的物理模型通常應用于長期風速預測[3]。統計模型則基于歷史數據，通過建立統計方程挖掘出相應的變化趨勢[4-5]?？臻g相關模型主要考慮不同地點風速的空間關系，在某些情況下，它可以獲得更高的預測精度[6]。隨著人工技術的快速發展，人工智能預測方法在風速預測領域得到廣泛應用，包括人工神經網絡[7]，模糊邏輯方法[8]，支持向量機[9]和極限學習機[10]。

此外，為減少單一模型固有的負面影響，提出了許多混合風速預測模型。為得到更高的預測精度，一些數據處理算法，如小波分解[11]、小波包分解(wavelet packet decomposition，WPD)[12]、經驗模式分解[13]、集合經驗模態分解(ensemble empirical mode decomposition，EEMD)[14]及快速集合經驗模式分解[15]已被用于構建混合模型。這些數據分解方法可以減少原始數據的非平穩特征，間接地提高了模型的預測性能?！?br>